Question

问题陈述：（多元线性回归）一家数字媒体公司（Netflix等）已经启动了一场演出。最初，该节目获得了良好的反响，但随后观众人数下降了。该公司想找出出什么问题了。

我想创建一个额外的列，即media ['days']，该列基本上记录了节目运行的总天数。假设演出的第一天是2017年3月1日，即2017-03-1。

我编写的代码如下。

media['Date'] = pd.to_datetime(media['Date'])

#deriving "days since the show started"
import datetime

d0 = date(2017, 2, 28)
d1 = media.Date             #media is a dataframe variable
delta = d1 - d0
media['Day'] = delta

我得到的错误是：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
 in 
      3 d0 = date(2017, 2, 28)
      4 d1 = media.Date             #media is a dataframe variable
----> 5 delta = d1 - d0
      6 media['Day'] = delta

c:\DEV\work\lib\site-packages\pandas\core\ops\__init__.py in wrapper(left, right)
    990             # test_dt64_series_add_intlike, which the index dispatching handles
    991             # specifically.
--> 992             result = dispatch_to_index_op(op, left, right, pd.DatetimeIndex)
    993             return construct_result(
    994                 left, result, index=left.index, name=res_name, dtype=result.dtype

c:\DEV\work\lib\site-packages\pandas\core\ops\__init__.py in dispatch_to_index_op(op, left, right, 
index_class)
628         left_idx = left_idx._shallow_copy(freq=None)
629     try:
--> 630         result = op(left_idx, right)
631     except NullFrequencyError:
632         # DatetimeIndex and TimedeltaIndex with freq == None raise ValueError

TypeError: unsupported operand type(s) for -: 'DatetimeIndex' and 'datetime.date'

我可以看到数据类型不匹配。 d0 的类型为：datetime.date＆
d1 的类型为：pandas.core.series.Series

所以有人可以帮助我...如何将 d0 的值转换/解析为与 d1 的值完全相同。

Answer 1

有必要转换datetime.date以获得间隔。为此，您必须将d0包装在pd.to_datetime中。

即以下内容应该可以工作，以天为单位给出增量，如果只需要整数部分，则可以在日期时间序列上使用dt访问器。

delta = d1 - pd.to_datetime(d0)
# or
delta = (d1 - pd.to_datetime(d0)).dt.days

在Python中将datetime.date转换为pandas.core.series.Series？

1 个答案: